Seitsemäs kurssikerta

Seitsemännellä ja viimeisellä kurssikerralla meillä ei ollut valmista moodlesta ladattavaa aineistoa jota työstettäisiin. Ideana oli etsiä itse internetistä kiinnostavaa geoinformatiivista ainesta ja tehdä itse katta ikään kuin lopputyönä. Meille oli onneksi kuitenkin kurssin yhteiseen blogiin listattuna joitakin sivuja, joilta pystyi etsimään aineistoa, mutta osa aineistoista löytyi myös perus Google-haulla. Päädyin tekemään alla olevan kartan Kongon demokraattisen tasavallan luonnonsuojelluista kohteista. Perus valtiorajat ja hallinnolliset rajat löysin maplibrary sivustolta, mutta esimerkiksi luonnonsuojellut alueet data piti etsiä muualta internetistä. Mapcruzin.com-sivustolta löytyi sopivaa dataa tähän.

Kongon luonnonsuojellut alueet.

Kun sopiva aineisto oli löytynyt, oli kartta helpohko toteutta ja data tuli ohjelmaan oikein, kun vaan projektiot olivat samat. Koska tämä kartta valmistui sen verran nopeasti, tein vielä toisen, alla olevan kartan, joka kuvaa saapuvien matkailijoiden määrää maittain.


Saapuvien matkailijoiden määrät maittain

Aineisto tähän oli myös helpohko löytää. Naturalearthdata.com-sivustolta löytyi maailman valtiot-kartta shapefile-muodossa ja pienen googlailun jälkeen löytyi Indexmundi.com-sivustolta kätevästi tiedot saapuvista matkailijoista maakohtaisesti. Seuraavaksi siirsin matkailijatiedot excelin ja aloin siistiä dataa sellaiseksi, että se näkyisi oikein sitten Qgississä. Turhat rivit, sarakkeet ja pisteet piti poistaa yms. Tämä oli työn haastavin vaihe, eikä data meinannut aluksi tulla oikein ollenkaan. Usean yrityksen jälkeen data oli excelissä siinä kunnossa että se tuli oikein näkyviin Qgississä. Ilmeisesti sillä on merkitystä, kuinka leveitä excel-sarakkeet ovat, sillä kun laajensin niitä suuremmiksi, tiedot tulivat oikein Qgissiin.

Kun sekä maailman valtiokartta ja matkailudata oli tuotu Qgissiin, oli aika yhdistää ne join-toiminnolla. Tämä vaihe oli jo ihan peruskauraa edellisistä harjoityuksista ja aineistot yhdistyivät mallikkaasti. Seuraavaksi oli  valittava karttaan sopivat värit, jolla matkailijoiden määrät esitetään ja lopuksi viimeistellä kartta Print composer työkalulla. Kartalla maat, joihin saapuu eniten matkailijoita ovat tumman vihreällä. Suurimpiin matkailumaihin näyttäisi kuuluvan esimerkiksi Ranska, Espanja, Turkki, USA ja Kiina. Näiden maiden suosio todennäköisesti johtuu siitä, että niissä on esimerkiksi runsaasti matkailunähtävyyksiä (mm. Eiffel-torni, Time Square, Kiinan muuri), ostosmahdollisuuksia ja ilmasto on ainakin osan vuodesta tietyissä osissa lämmin ja aurinkoinen.

Nyt sitten vielä yhteenveto kurssista. Kurssi oli mielestäni käytännönläheisen lähestymistavan takia erittäin opettavainen. En ollut aikaisemmin Qgissiä käyttänyt, mutta joka kurssikerralla kun harjoiteltiin tietokoneilla uusia toimintoja ja työkaluja niin kehittyi melkein huomaamattaan ohjelman käytössä. Varsinkin näillä viimeisillä kurssikerroilla huomasi, että jotain niistä kaikista edellistä harjoituksista ja niiden toistoista oli tullut opittua ja kuten Kia Kautonen omassa blogissaan sanoo: “omatoimisesta kokeilemisesta ja ongelmanratkaisusta on ollut hyötyä”. Parhaimpia tapoja oppia on siis tekemällä. Qgissin käytön lisäksi opin myös uutta yleisesti geoinformatiikasta ja se tuli maantieteen kokonaisuuteena tutummaksi asiaksi. Kurssilla opituista asioista on varmasti hyötyä tulevissakin maantieteen opinnoissa. Nyt siis kiitos ja eteenpäin!

Lähteet:

Indexmundi, 2019. Tietoa saapuvista matkailijoista maittain. https://www.indexmundi.com/facts/indicators/ST.INT.ARVL/rankings

Kautonen K. 2019. Pendelöintiä. https://blogs.helsinki.fi/kautkia/

Mapcruzin, 2019. Aineistoa Kongon karttoihin. https://mapcruzin.com/free-dr-congo-country-city-place-gis-shapefiles.htm

 

1:10m Cultural Vectors

Kuudes kurssikerta

Kuudennella kurssikerralla pääsimme aluksi hieman ulkoilemaan ja tuottamaan itse tiettyyn paikkaan linkitettyä geoinformatiivista dataa. Käytännössä siis kuljimme pitkin Kumpulaa ja sen lähiseutuja tallentaen erilliseen Epicollect5- sovellukseen ensin maantieteelliset koordinaattimme ja sitten paikkatietoa kyseisten koordinaattien alueesta. Oli hauska päästä tekemään itse ulos pientä maantieteellistä kenttätyötä ja luomaan aineistoa paikkatieto-ohjelmalla käsiteltäväski. Takaisin sorvin ääreen palattuani, pääsin moodlen kautta lataamaan juuri tallentamani paikkatietoaineiston Qgissiin. Kun aineiston yhdisti vielä Helsingin kartan kanssa ja valisti oikean koordinaatison, sain tulokena näkyviin kartan, jossa oli merkittynä pisteinä kaikki oikeat paikat, jossa olin juuri dataa tallentanut. Tallentamamme aineisto koski lähinnä alueiden viihtyisyyttä, turvallisuutta ja ulkonäköä.

Seuraavaksi harjoiteltiin interpolointia juuri tuotetulla aineistolla. Interpoloinnin tarkoituksena on lisätä arvot kartan kohdille, joilla ei entisestään arvoa ole. Tässä tapauksessa se tarkoitti alueita, joilla ei ole pisteitä. Meni jälleen hetki opetusta kuunnellessa ja kurssimateriaalia lukiessa, että ymmärsi mistä interpoloinnissa oli kyse ja mitä käytnnössä oli tehtävä, jotta se onnistuu. Lopputuloksena saatiin luotua uudenlainen kartta, jossa kohteet ovat värjäytyneet eri värein sen mukaan, millaisia arvoja ne ovat saaneet. Alla on kuva tekemästäni kartassa, jossa kuvataan, kuinka houkutteleveksi asuinalueiksi eri alueet koettiin. Kartalla tummansinisellä eli kaikista houkuttelevimpana asuinseutuna näyttäisi korostuvan Kumpulan kampuksen lähiseutu. Tämä todennäköisesti johtuu siitä, että alueiden arviontiin osallistui lähes pelkästään opiskelijat.

 

Edvin Väänäsen kartassa erottuu myös selkeästi eri värein turvallisiksi ja turvattomiksi koetut alueet ja se antaa hyvät mahdollisuudet pohtia syitä miksi näin koetaan, kuten Kustaa Vaasan tien bussipyäkin viereisen polun tapaus.

Kun Kumpulan ja lähiseutujen kartta oli valmis, oli aika siirtyä tekemään karttoja erilaisten luonnonhasardien esiintymisistä maapallolla. Tarkoituksena oli ladata netistä dataa erilaisista hasardeista, kuten maanjäristyksistä ja tulivuorenpurkauksista ja niiden sijanneista. Data tuotiin sitten CSV- muodossa Qgissiin ja visualisoitiin sitten maailmankartalle. Alla on tekemiäni karttoja erilaisista luonnonhasardeista. Aluksi meni hetki, että netistä ladattu data saatiin sellaiseen muotoon, että se näkyi oikein Qgississä, mutta ohjeita seuraamalla tämäkin sujui hyvin. Tekemiäni karttoja tutkimalla sai käsityksen siitä, missä päin maapalloa esiintyi eniten kyseisiä hasardeja . Samalla pystyi arvioimaan, miksi niitä esiintyy juuri sielä. Esimerkiksi Japanissa esiintyy runsaasti maanjäristyksiä, koska se sijaitsee mannerlaattojen saumakohdassa Tyynenmeren tulirenkaan alueella.


Yli 7 magnitudin järistykset vuodesta 1994 vuoteen 2012.

Toinen tekemäni hasardikartta kuvaa holoseenikauden, yli nykyisen geologisen aikakauden, tulivuoria Indonesiassa. Kartasta näkee, että suurin osa Indonesian tulivuorista sijaitsee Sumatran ja Jaavan saarilla. Kun katsoo aiempaa isompaa maailmankarttaa, huomaa että Indonesia sijaitsee Tyynen valtameren tulirenkaan alueella, mannerlaattojen saumakohdassa. Tästä johtuu tulivuorten runsaslukuisuus, sillä laattojen saumakohdissa sula magma pääsee nousemaan ylös maan pinnalle (johtuen joko mannerlaattojen erkanemisesta tai alityönnöstä) muodostaen tulivuoren.


Indonesian tulivuoret holoseenikaudella.

Haastavinta harjoitustäöissä oli tiedon muuttaminen excelissä sellaiseksi, että kun sen CSV-muodossa toi QGissiin se näkyisi oikein. Saattoi olla pienestäkin kiinni, että taulukot eivät näkyneet oikein, mutta tarpeeksi monta kertaa kun harjoitteli ja luki ohjeet niin kyllähän se onnistui. Tällä kurssilla olen muutenkin huomannut, että samoja toimintoja toistamalla erilaisten harjoitusten parissa oppii ne hyvin.

Lähteet:

Väänänen E. Kurssikerta 6: hasardikarttoja. https://blogs.helsinki.fi/edvaanan/

Northern California earthguake data center. 2019. Yli 7 magnitudin järistykset 1994-2012. http://quake.geo.berkeley.edu/anss/catalog-search.html

Viides kurssikerta

Viidennellä kurssikerralla harjoittelin puskurointia eli bufferointia. Bufferoinnin perusidea oli selkeä eli Qgissillä laskettiin itse määritellyn säteen sisällä olevien tiettyjen kohteiden lukumäärä. Harjoituksessa laskettiin kartalla näkyvien, bufferivyöhykkeen sisälle jäävien rakennusten ja asukkaiden lukumääriä. Bufferointia varten Qgississä oli erillinen bufferointityökalu, jonka käyttöä siis tällä kurssikerralla harjoittelin. Vaikka työkalu ei ollut aiemmilta kurssikerroilta tuttu, oli se selkeä, kun perusidean ymmärsi ja teki alkuun muutamia harjoituksia. Ensimmäisenä harjoituksena bufferoitiin kartalla näkyvän tien sisälle jäävät kohteet. Harjoitusta tehtäessä ymmärsi nopeasti perusidean, mitä bufferointityökalulla piti tehdä, jotta itse bufferointi onnistuisi. Aluksi oli määriteltävä tietokannat, joiden kohteita bufferoitiin, bufferoinnin etäisyys ja kuinka monikulmainen bufferin alue on. Tuloksena saatiin kartalle näkyviin tien kohdalle bufferoitu alue. Kun bufferi oli valmis, pystyttiin sen sisälle jääviä kohteita ja esimerkiksi niiden lukumääriä tarkistella Spatial query- työkalulla.

Tämän jälkeen jatkoin bufferoinnin harjoittelua muutamien itsenäistehtävien avulla. Tarkoituksena oli bufferoinnin avulla laskea Malmin ja Helsinki-Vantaan lentokenttien pahimmilla melualueilla asuvien asukkaiden määrät. Malmin lentokentän kohdalla piti aluksi erikseen piirtää viivat kiitoratojen kohdalle, jotta bufferit saatiin tehtyä. Tämä ei aluksi näyttänyt toimivan ja bufferialue ei ilmestynyt omien piirtämieni viivojen ympärille, mutta pienellä työkalujen käytön harjoittelulla ja ohjeilla se lopulta onnistui. Työntekoa hidasti jälleen Qgissin jumittaminen ja kaatuilu todennäköisesti suuren aineiston takia. Työkalujen perusohjeet ovat melko perusteelliset, joten niiden avulla pääsi jo hyvin eteenpäin harjoituksissa ja tehtävissä. Tehtäviä tekemällä oppi työkalujen käytön parhaiten ja ne pistivät miettimään ja etsimään itse erilaisia ratkaisuja tehtävien ongelmiin ja soveltamaan opittua teoriaa. Siksipä kurssikerralla tehdyt harjoitukset olivat jälleen oiken hyödyllisiä. Alla on harjoitustöiden havainnoistani tekemäni taulukko.

Bufferointityökalu oli mielestäni kätevä työkalu ja sitä voitaisiin käyttää monissa geoinformatiikan tutkimuksissa. Esimerkiksi jos pohdittaisiin uuden koulun perustamista, voitaisiin bufferointityökalulla selvittää kouluikäisten määrä vaikka 500 metrin etäisyydellä suunnitellusta koulun paikasta. Saadun tiedon perusteella voitaisiin arvioida, kannattaako koulu rakentaa alueelle. Bufferoinnin hyödyllisyyttä yhteiskunnan eri osa-alueilla, kuten kaupan alalla oli pohtiunut blogissaan myös Alex Naumanen. Alex mainitsee, että esimerkiksi yritykset voisivat selvittää potentiaalisten asiakkaiden määrän eri alueilla. Bufferoinnin käyttö näyttäisi rajoittuvan oikeastaan vain siihen, mitä kaikkia aineistoja alueelta löytyy.

Tällä ja edellisillä kurssikerroilla tehdyt harjoitukset ovat pistäneet miettimään, kuinka työlästä geoinformatiivisen aineiston keräys voi olla. Asukkaiden määrän tietyllä alueella voi helpostikin saada esimerkiksi tilastokeskuksesta, mutta kuinka työlästä on selvittää heidän kaikkien oma tarkka maantieteellinen asuinpaikka (koti) ja sen sijoittaminen kartalle. Tai kuinka työlästä on selvittää, kuinka moni tietyn alueen asukas on työssä käyvä ja kuinka moni ei.

Lähteet:

Naumanen A. 2019. Aivot narikassa. https://blogs.helsinki.fi/alexnaum/

 

Neljäs kurssikerta

Neljännen kurssikerran aiheena olivat ruututeemakartat. Alkuun vaikutti jälleen siltä, että Qgis tulisi hidastelemaan tällä kerralla, sillä moodlesta ladattu aineisto oli melko suuri. Siihen sisältyi kartta pääkaupunkisudusta, sekä pistemuotoista dataa sen asukkaista. Uutena asiana opeteltiin, miten aineiston ylle luodaan Qgissillä ruudukko. Ruudukon tekeminen Vector grid-työkalulla ei itsessään ollut kovin vaikeaa, mutta työskentelyä hidasti suuri datan määrä. Ruudukon tekeminen olisi ilmeisesti myös pidempikestoisempaa, jos ruuduista haluiaisi tehdä vielä pienemmät. Tein itse ruudukon, jossa yksi ruutu oli 1000mx 1000m, pääkaupunkiseudun ylle. Kun ruudukko oli luoto, oli se vielä tallennettava erikseen, jotta syntyisi uusi erillinen layer ja sitä voitaisiin muokata.  Olen tämän ja edellisten kurssikertojen aikana huomannut, että layerien ylimääräinen tallentaminen ja vara-layerien luominen on hyödyllistä, sillä kun kerran yhdellä layerillä tekee virheen tai mokaa, on hyvä olla back up. Layereitä ei myöskään pysty aina täysin työstämään tai niihin ei voi lisätä muuta dataa, jos niitä ei ole tallennettu, joten senkin takia välitallentamisia on tehtävä.

Seuraavaksi oli tarkoitus yhdistää ruudukko ja väestön pistedata toisiinsa, niin että ruutuaineistoista löytyisi samat tiedot kuin pisteistä, kuten ikä tai äidinkieli. Kun pistaineiston laittoi ruudukon ylle, huomasin että pisteitä ei ollut kaikkien ruutujen päällä, joten kaikki ylimääräiset ruudut vietiin pois viemästä tilaa Qgississä Spatial query-työkalun avulla. Seuraavaksi oli aika ydistää ruudut ja pisteiden data. Siihen oli kaksi eri tapaa. Päätin ensin kokeilla MMQGIS- vaihtoehtoa, mutta koska liittämisessä tuntui kestävän todella kauan jopa Qgissin mittapuulla, vaihdoin kokeilemaan Join attributes by location-työkalua. Sillä aineiston liitos tapahtuikin näppärästi ja hyvinkin nopeasti. Qgis on siitä hyvä ohjelma, että se tarjoaa eri vaihtoehtoja saman toiminnon suorittamiselle. Tässä tapauksessa Join attributes oli parempi vaihtoehto. Nyt väestöön liittyvä data oli myös ruutuaineistoissa, joka mahdollisti ruututeemakarttojen teon. Alla on kuva tekemästäni ruututeemakartasta, jossa kuvataan ruotsinkielisten prosenttuaalisia osuuksia pääkaupunkiseudun asukkaista.

Ruotsinkielisten osuus näyttäisi olevan pienimmillään PK-seudub pohjoisimmissa osissa Vantaalla ja Espoossa, mutta osuudet kasvavat mitä etelmmäksi tullaan. Suurimmat osuudet ovat aivan eteläisessä Helsingissä, kuten ydinkeskustan seudulla ja Lauttasaaressa. Myös Eteläisessä Espoossa osuudet näyttäisi olevan suuremmat verrattuna pojhjoisimpiin osiin.

Tämän itse tekemäni kartan isoin ongelma on se, että ruudut tulevat normaalin kartan päällä. Tämä voi häiritä eri alueiden ja niiden sijaintien hahmottamista. Karttaa voisi olla helpompi tulkita, jos esimerkiksi rantaviivat, tiet ja vesistöjen äärivivat kulkisivat ruudukan päältä. Tällöinkartan alueet näkisi normaalisti, mutta pohjalla näkyisi edelleen kuitenkin ruudukon tekemä jako. Tämä voisi mahdollistaa myös syvemmän kartan analysoinnin, esimerkiksi liikenneyhteyksien vaikutuksen ruotsinkielisten sijoittumiseen.

Mielestäni ruutukartta on varsin pätevä tapa esittää asioita tai ilmiöitä. Varsinkin jos kyseesä on jokin verrattaen pieni ja tiheään asuttu alue, kuten kaupunki. Koropleettikartassa on yleensä ennalta määritellyt tietyt rajat alueilla, kuten Suomen maakunnat. Mutta ruutukartalla ruudut voivat mennä alueiden rajojen yli, kuten esimerkiksi yksi ruutu voi mennä Espoon ja Helsingin rajan yli. Ruutujen kokoa voidaan myös aina muuttaa tarpeen vaatiessa, esimerkiksi Eemil Haapanen pohtii blogissaan, että harvaan asuituilla alueilla voisi olla hyvä käyttää suurempia ruutukokoja ja hän onkin yhdistänyt pienet ja suuret ruudut yhdeksi yhdistelmäkartaksi. Ruudukolla voi kuitenkin myös siis parhaimmillaan tuottaa yksityiskohtaisempaa tietoa vaikkapa tietyn rajatun alueen kuten kaupungin sisällä.

Lähteet:

Haapanen E. 2019. Kurssikerta 4 – Asukastietokantoja ja korkeuskäyriä. https://blogs.helsinki.fi/hceemil/

Kolmas kurssikerta

Kolmannella kurssikerralla harjoiteltiin tiedon etsintää Qgisiin tuodusta aineistosta ja aineiston hallintaa. Harjoituksessa ohjelmaan tuotiin Afrikan kartta ja etsittiin edellisellä kurssikerralla opeteltujen valintatyökalujen kautta Egyptin valtio ja kaikki siihen kuuluvat datat ja kohteet. Uutena asiana opeteltiin kaikkien valittujen kohteiden yhdistäminen yhdeksi kohteeksi. Perusteet tällekki harjoitukselle olivat melko yksinkertaiset ja helpot. Yhdistämällä kohteita toisiinsa, kuten vaikkapa kaikkien Afrikan maiden erilliset kohteet, pystyi luomaan kokonaan uusia tietokantoja vanhojen pohjalta. Kohteiden yhdistäminen oli mielestäni hyödyllinen toiminto, koska se helpotti suuren datan ja aineiston määrän käsittelyä. Kartalla olevia pieniä kohteita, kuten saaria pystyi yhdistämään vaikkapa valtion nimen mukaan, jolloin ne eivät olisi enää erillisiä yksittäisiä kohteita. Tämä helpottaisi kohteiden etsintää ja valintaa ja ohjelmalla voitaisiin ilmeisesti käsitellä kaikkia tietokantaan yhdistettyjä kohteita. Kohteiden yhdistäminen voisi myös tehdä Qgissistä nopeamman toimia, kun käsiteltävänä ei olisi kerralla niin suuria määriä erillisiä kohteita. Egyptin kohteiden yhdistämisen jälkeen opeteltiin, miten kerralla voitaisiin yhdistää myös muiden Afrikan valtioiden kohteet, jottei jokaista tarvitsisi erikseen yhdistää. Tämä oli myös hyödyllinen toiminto osata, sillä siinä säästyy aikaa, kun ei tarvitse kaikkia yksitellen yhdistää. Kohteiden yhdistäminen voisi myös vähentää jo muutaman kerran ilmennyttä ohjelman kaatuilua, joka välillä haittasi ja hidasti työntekoa.

Toinen uusi kurssikerralla opeteltu asia oli, miten saada tuotua Qgissiin dataa muista ohjelmista, kuten excelistä. Kurssikerran materiaaleissa oli excel tiedostoihin tallennettua dataa Afrikasta, Qgissiin on kuitenkin helpompi tuoda dataa csv-muodossa, joten tiedostot tallennettiin uudelleen csv- muotoon. Tämäkin oli hyvä tietää tulevia projekteja varten. Csv- tiedostojen tuominen oli ohjelmaan erosi hieman aikaisempien shapefile-aineistojen tuomisesta, mutta ohjeita seuraamalla sekin onnistui. Kun Csv-aineistot oli tuotu ohjelmaan, yhdistettiin ne join-toiminnolla yhteen muun aikaisemmin valmistellun kartan kanssa. Aineistoissa oli dataa Afrikan valtioiden väkiluvuista ja internetin käytöstä. Ohjelman taulukkoja tutkimalla näki, miten paljon internettiä käytetään eri Afrikan maissa. Muutaman uuden taulukkokentän ja laskufunktion tekemällä saatiin myös prosenttiosuudet internetin käyttäjistä Afrikassa. Ohjelma toimi siis hyvin esimerkikis tutkimustulosten analysointiin. Samalla tavalla kuin internetin käyttöä, voitaisiin Qgisin avulla tutkia vaikka yliopiston käyneiden määriä ja heidän osuuksiaan eri maissa. Näiden pohjalla voitaisiin Qgissillä luoda myös karttoja joissa tietyn prosenttiosuuden maat näkyvät tietyn värisinä ja näin helpottaa kartan tulkintaa.

Kurssikerralla tehtiin myös harjoitus, jossa Afrikan karttaan liitettiin aineistoa siellä tapahtuneista konfilkteista ja timanttikaivoksista. Kaikissa aineistoissa käytetyn saman koordinaatiston avulla lisätyt aineistot sijoittuivat kartalla juuri oikeisiin paikkoihin. Eli esimerkiksi Tansanialainen kaivos näkyi ohjelmassa kartalla juuri Tansanian kohdalla. Kun konfliktit ja timanttikaivokset näkyivät kartalla samaan aikaan, pystyi helpommin arvioimaan ja pohtimaan esimerkiksi timanttien yhteyttä konfliktien syntyyn ja yleisyyteen. Alla on kuva kurssikerralla tuotetusta kartasta, jossa näkyvät internetin käyttö,  rannikon öljy, timantit ja konfliktit Afrikassa.

 

Afrikan kartan toteutuksen jälkeen oli aika siirtyä uuden harjoitustehtävän pariin. Tehtävänä oli laatia tulvaindeksikartta Suomesta äsken opittujen työkalujen ja -metodien kautta. Kappaleen lopussa on kuva aikaansaamastani kartasta. Kartan tekemistä varten piti muutama kerta kerrata äsken opittua ja lukea opetusmateriaalia uudelleen.  Kurssin tarkoituksena on oppia ymmärtämään ja soveltamaan kurssikerroilla yhteisesti käytyjä asioita ja tämä tehtävä tosiaan vaati sitä.  Meni hetki, että sain kaikki tarvittavat asiat liitettyä oikeisiin layereihin ja kaiken näkymään kartalle, mutta ohjeita lukemalla ja qgissiä tutkumalla sain lopulta tehtyä kartan. Tämän vuoksi tämä oli mielestäni erittäin hyvä käytännön harjoitus. Järvisyysprosentteja en jostain syystä saanut millään näkyviin, mutta ainakin jäi jotain kehitettävää sitten karttaan. Heini Miettisen kartassa järvisyysprosentit näkyvät hienosti mukana ja täydentävät hyvin muuta kartalla näkyvää tietoa. Omaa karttaa tutkiessa huomaa, että tulvariskit ovat suurimmillaan rannikoilla ja erityisesti läntisessä Suomessa Pohjanmaalla, tämä johtuu todennäköisesti matalasta maastosta. Saman havainnon on tehnyt myös Susanna Mäkelä omassa kartan tulkinnassaan. Hän myös täydentää vielä, että tulvia esiintyy tuolla seudulla tyypillisesti keväisin,  joka todennäköisesti johtuu talven lumien sulamisesta. Vähiten tulvia näyttäisi esiintyvän keskisessä ja itäisessä Suomessa.

Kaiken uuden opitun teorian ja käytännöllisten harjoitusten perusteella sanoisin että tämä kurssikerta oli oikein bueno!

Lähteet:

Miettinen H. 2019 Konflikteja Afrikassa ja tulvaindeksejä Suomessa. https://blogs.helsinki.fi/heinimie/

Mäkelä S. 2019 Tietokantojen käsittelyä. https://blogs.helsinki.fi/susanna-makela/

Toisen kurssikerran harjoitukset

Toisella kurssikerralla käytiin läpi Qgisin valintatyökaluja. Erilaisten valintatyökalujen käyttö oli melko helpohkoa. Kohteita pystyi valitsemaan tutkittavaksi ja käsiteltäväksi suoraan kartalta tai erilaisten kohteiden ominaisuuksien ja muuttujien perusteella. Kurssikerran oppimateriaaleja läpi käymällä ymmärsi melko nopeasti perusperiaatteet, millä pystyi valitsemaan haluamiaan kohteita esimerkiksi select by value toiminnolla. Kurssikerralla tutustuttiin erilaisiin projektiohin ja miten niiden käyttö vaikuttaa siihen, miten kartta esittäytää ohjelmassa. Projektioita ohjelmassa olikin runsaasti ja niiden nimet erilaisin koodi- ja numeroyhdistelmin hieman hämmensi, mutta lopulta oikea projektio aina löytyi. Jotkin projektiot olivat jo edellisiltä kursseilta tuttuja, mutta oli mielenkiintoista tutustua uusiin ja katsoa miten projektiot vaikuttavat karttoihin. Vertailin myös, miten eri projektiot vaikuttavat Suomineidon päälaelle (eli pohjoiseen Lappiin) piirtämäni alueen pinta-alaan. Vertailussa havaitsin että alueen pinta-ala suureni ja pieneni riippuen käytetystä projektiosta. Esimerkiksi Mercatorin projektiolla erityisesti pohjoisten alueiden pinta-alat suurenevat huomattavasti todellisuuteen verrattuna. Tämän huomasi myös Emilia Kostamo, joka kirjoittaa blogissaan, että Savukosken kunnan pinta-ala kasvoi Mercatorin projektiolla lähes seitsemänkertaiseksi todellisuuteen verrattuna. Ohessa on kuvakaappaus taulukoimistani pinta-aloista eri projektioilla.

Kuten taulukosta näkee, voi projektiolla olla huomattava merkitys pinta-alaan. Joillan projektioilla pinta-ala oli alle 4000 neliäkilometriä kun taas joillain yli 6000.

Ohessa on myös muutamia vertailemieni projektioiden karttakuvia. Niistäkin näkee, kunka pinta-ala ja kulma, jossa kartta esitetään vaihtelee.

Lähteet:

Kostamo E. 2019 Mahtaileva Mercator ja muita projektioita. https://blogs.helsinki.fi/emilikos/

Paranneltu kuva ensimmäisestä harjoituksesta

Ohessa kuva parannellusta ensimmäisestä harjoitustyöstä. Muutin kartan värejä saman sävyisiksi, jotta kartta olisi visuaalisesti paremman näköinen. Edellisessä värit olivat sekaisin mutta uudessa kaikki ovat

punaisen tai oranssin sävyisiä. Muokkasin myös hieman mittakaavaa järkevämmän näköiseksi. Pohjoisnuoli pysyi ennallaan.

Itämeren typpipäästöt kartta

Itämeren typpipäästöt kartta, Ensimmäinen kurssikerta.

Ensimmäisellä kurssikerralla opin QGis ohjelman perusteita niin teorian, kuin harjoitustöiden kautta. Ohessa on kuva ensimmäisestä tunnilla tehdystä harjoitustyöstäni, joka kuvaa Itämeren maiden typpipäästöjä. Opetellut perustoiminnot vaikuttivat melko yksinkertaisilta. Erilaisia tiedon ja kuvien muokkaus- ja käsittelymenetelmiä vaikutti olevan paljon. QGis oli välillä melko hidas suuren datamäärän vuoksi ja ohjelma kaatuikin pari kertaa. Kartassa olevaa dataa oli helpohko käsitellä ohjelmalla heti kun oppi, mistä muokkaukset pystyi tehdä. Näin alkuun opin miten kartan värejä pystyi muokkaamaan, miten karttaan pystyi lisäämään tai poistamaan aineistoa ja miten kartan eri tasoja pystyi hallinnoimaan. Siitä huolimatta ohjelmassa näytti olevan paljon erilaisia toistaiseksi tuntemattomaksi jääneitä työkaluja joita varmastikin tarvittaisiin myöhemmin. Itse tehtyyn karttaan pystyi ilmeisesti myös lisäämään erilaisia  diagrammeja tai kaavioita, kuten Vilma Pylkkö oli ensimmäiseen kurssikerran karttaan lisännyt. Erillisellä print composer- työkalulla karttaan pystyi lisäämään uusia ominaisuuksia, kuten pohjoisnuolen, legendan ja mittakaavan tehden siitä viimeistellymmän näköisen ja tulostusvalmiin. Kurssikerran ohjeet olivat hyvät ja perusteelliset, niitä seuraamalla oppi nopeasti perusteet ohjelman käyttöön. Erilaisia tiedostoja ja aineistoja näytti olevan kurssimateriaaleissa paljon, mutta kun kurssikerralla oppi tunnistamaan minkätyyppisitä tiedostoja ja aineistoja Qgississä tarvittiin, kävi oikeiden aineistojen etsintä helpommaksi. Esimerkiksi suurimmaksi osaksi ensimmäisellä kerralla tarvitsimme vain shapefile-aineistoa. Kun harjoitukset oli tehty ohjeiden mukaan oli hauska myös soveltaa juuri opittua ja kokeilla erialisia muita toimintoja ohjelmalla, vaikutti siltä että ohjelma mahdollistaisi monipuolisen geoinformatiivisen työskentelyn. Koska Qgis oli minulle täysin uusi ohjelma, pidin ensimmäisen kurssikerran opetusmateriaaleja ja harjoituksia erittäin hyödyllisinä.

Lähteet:

Pylkkö V. 2019 Ensiaskeleet Qgissillä. https://blogs.helsinki.fi/vipy/